《工学硕士毕业论文基于神经网络的风力发电机组状态监测的研究23481》由会员分享，可在线阅读，更多相关《工学硕士毕业论文基于神经网络的风力发电机组状态监测的研究23481（61页珍藏版）》请在金锄头文库上搜索。
1、Abstract工学硕士学位论文基于神经网络的风力发电机组状态监测的研究宋谷月年月图书分类号：U.D.C.:工学硕士学位论文基于神经网络的风力发电机组状态监测的研究硕士研究生：导 师：副 导 师：申请学位级别：学 科、专 业：所 在 单 位：答 辩 日 期：授予学位单位：东北电力大学Classified Index:U.D.C.Dissertation for the Masters Degree in Engineering( or in Management)Study on the Simulation and Broadcasting of Urban Air QualityCandi
2、date：Dong XiangyuanSupervisor：Prof. Li ShaohuaAssociate Supervisor：Prof. Li MingdeAcademic Degree Applied for：Master of Engineering(or Management)Speciality：Thermal Power EngineeringAffiliation：School of Energy Resource and Mechanical EngineeringDate of Oral Examination：Mar. 2007University：Northeast
3、 Dianli University摘 要风力发电作为一种清洁的可再生能源利用方式，近年来在世界范围内获得了飞速的发展，其中风力发电机组大型设备状态监测成为风电研究领域的重要组成部分。发电机是风电机组的重要部件之一，其发生故障后维修成本高，过程复杂。根据运行数据建立发电机温度模型对其进行预测并分析预测残差变化，可以及早发现其早期故障隐患。本课题详细分析了风力发电机组状态监测的现状。根据变量测量位置和作用的不同，对SCADA数据进行分析及分类，深入研究SCADA数据。针对预测模型输入的属性选择问题，首先采用改进的贪心算法将连续属性进行离散化处理，约简掉部分对预测量不发生影响的属性。然后将遗传算法
4、与粗糙集理论相结合进行属性约简，得到对预测量影响较大的属性集。再利用得到的属性集作为输入建立风电机组发电机温度的BP状态监测模型。在风力发电机组非参数预测模型的残差统计方法中，合适的滑动窗口能够消除由于测量误差，机组启停等偶然因素造成的孤立的较大残差的影响。本文详细分析了滑动窗口残差统计的方法及原理，指出了滑动窗口具有能够抑制孤立异常残差的作用，并利用BP预测模型加以验证。关键词：发电机、状态监测、粗糙集、BP模型、滑动窗口AbstractAs a clean and renewable utilize way, the wind power has been developed worldw
5、ide in recent years, and the condition monitoring of the large equipment of the wind power units has become the important part. Generator is one important component for wind turbine. Its failure will result in high maintenance cost. With constructing generator temperature model and analyzing the res
6、iduals of the model prediction, incipient generator failure could be detected.We analysis the current situation of the condition monitoring on the wind power unit in details. According to the difference of the variables measure position and role, to analyse and classify the SCADA data, and study the
7、 SCADA data furtherly. As to the variable selection problem in model construction, firstly uses the greedy algorithm to discrete the attributes. Then rough set theory and genetic algorithm are combined together to reduce the attributes. And finally, the attributes that have great influences on gener
8、ator temperature were founded. We use the attributes as input of the BP forcase models.In the statistical methods of residual regarding non-parameter forecase models of the wind power units, the suitable of the slipping windows can eliminate the impacts caused by measure errors and occasional reason
9、s, for example the shut down of the units. The article analysis the mothed and principle of the slipping windows in details, it indicates the suppression fuction on the abnormal residual by using the slipping windows, then, confirms it by using the BP forcase models.Keywords: wind turbine generator,
10、 condition monitoring, rough set, BP models, slipping windows目录目录第1章 绪论- 1 -1.1 风力发电的背景及意义- 1 -1.2 风力发电机组状态监测技术- 2 -1.2.1 风力发电机组状态监测的必要- 3 -1.2.2 国内外研究现状- 4 -1.3 本课题研究意义及内容- 6 -1.3.1 研究意义- 6 -1.3.2 研究内容- 7 -第2章 风电机组发电机结构及SCADA监测参数- 8 -2.1 风力发电机组发电机结构- 8 -2.2风电场的SCADA系统- 8 -2.3 SCADA系统数据的分类- 10 -2.4
11、本章小结- 12 -第3章 采用粗糙集和遗传算法选取模型变量- 13 -3.1连续属性离散化- 13 -3.1.1离散化问题描述- 13 -3.1.2基于改进贪心算法的离散化方法- 13 -3.2遗传粗糙集属性约简- 15 -3.2.1 粗糙集理论基本概念- 15 -3.2.2遗传粗糙集约简算法- 17 -3.3 模型变量选取过程- 19 -3.3.1 实验数据集及实验工具- 19 -3.3.2决策属性离散化- 20 -3.3.3条件属性离散化- 22 -3.3约简结果- 25 -3.4 本章小结- 26 -第4章 基于BP神经网络的风机状态监测实例研究- 27 -4.1 BP神经网络基本原理
12、- 27 -4.2 BP神经网络算法实现步骤- 28 -4.3 发电机温度建模与预测- 30 -4.3.1神经网络训练样本的选择- 30 -4.3.2神经网络的训练及验证过程- 33 -4.4 发电机温度模型预测残差的统计分析- 35 -4.4.1滑动窗口残差均值与标准差统计- 35 -4.4.2发电机工作异常时温度残差统计特性分析- 36 -4.4.3预测残差分析- 37 -4.5 本章小结- 39 -第5章 总结与展望- 41 -参考文献- 43 -3-第1章 绪论第1章 绪论1.1 风力发电的背景及意义在现代社会中，全世界各国都在全力发展和研究风力发电及其相关技术，是因为风力发电在优化能
13、源结构、改善生态环境、促进社会经济可持续发展等方面的突出作用。风能很早就被利用，主要用来风车抽水、风车磨面等，风能是一种清洁的可再生能源，其蕴藏的能量巨大，每年来自于燃烧煤的能量是全球的风能的三分之一，而当今世界上水能可以利用开发的总量也仅仅是全球风能资源的十分之一，全世界约有2.74亿MW的风能，当中2百万MW可以得到利用；我国每年依靠煤发电占了80%，产生了大量的温室气体，大力发展风力发电实现了低碳环保；风能不需要成本，也不造成辐射或空气污染，可带来巨大的经济效益；我国的风力资源是相当雄厚的，也为风能来源提供充足的保障。我国的风力发电产业在可再生能源法及配套制度的不断完善下取得了很大的进步
14、。凭借18.93GW的新增风电装机容量，我国在2010年继续位列全世界新增装机容量的第一位1-2。风力发电的累积装机容量超过美国居于全球第一位，为44.73GW。下图1-1为至2010年我国风电装机容量统计图。图1-1 国风电装机容量统计（数据来源：中国风能协会）2011年，中国内陆一整年的风电装机容量大增，据有关部门统计，有17.63GW，风电在中国不仅打开了市场，而且进入了快速、稳定的发展期。中国累计的风机装机容量达到62.36GW，在全球风电装机容量中继续保持第一的地位。截止到2011年底，中国已有30个省、市、自治区（不含港、澳、台）建立了自己的风电场。其中，风电累计装机容量超过1GW
15、的省份超过10个，超过2GW的省份有9个。装机容量最大的仍是内蒙古自治区，其累计装机达到17.59GW，紧随其后的是河北、甘肃和辽宁，累计装机容量都超过5GW。2012年国内风电市场发展趋势与2011年相同，新增的装机将维持在1518GW，有望达到18GW左右。到2015年，风电装机有望达到100GW。分布式风电的比重会进一步提高，其比例最高可达到30%，但仍然以规模化的开发和陆上风电的开发为主近年来，可能我们大家都会注意到，电网消纳风电的能力范围越来越大，风电输送也逐渐开始大规模地跨地区，多个风电网点开始合并，这一切，都得利于电网公司某些基础建设的提升，比如智能电网、特高压输电线路等风电制造业的成本逐渐升高，行业内部的竞争也逐渐加剧，市场也更加成熟，所以风电制造企业面临着更多的市场考验。与传统能源相比，风电由于产业成熟度高和成本低而具有较大的竞争力。它在中国的能源结构中的比例逐渐增大，已成为实力强大的新能源技术。另一方面，我国风电发展迅猛，速度令人吃惊，但即使这样，风
